我正在尝试使用caret包来运行KNN算法，寻找最佳的k值。我的数据看起来像这样（代码中的datanet），其中"ACTIVITY_X"、"ACTIVITY_Y"和"ACTIVITY_Z"是我的预测变量，因为我想根据B到D列的值来分类"Event"。所有列的行数相同。

为此，我首先需要对数据进行分割以进行交叉验证。以下是我的代码示例：

# 分割数据：indxTrain <- createDataPartition(y = datanet$ACTIVITY_X,p = 0.8,list = FALSE)training <- datanet[indxTrain,]testing <- datanet[-indxTrain,]# 运行k-NN:set.seed(400)ctrl <- trainControl(method="repeatedcv",repeats = 3)knnFit <- train(Event ~ ., data = training, method = "knn", trControl = ctrl, preProcess = c("center","scale"),tuneLength = 20)knnFit# 使用图表查看最佳聚类数量：# 绘图显示邻居数量与准确性（基于重复交叉验证）的关系plot(knnFit)

我的问题有两个：

1) 如果我理解正确的话，使用caret包时，createDataPartition中的y参数应该是预测变量，对吗？

2) 如果是这样的话，我有三个预测变量，如前所述（"ACTIVITY_X"、"ACTIVITY_Y"和"ACTIVITY_Z"），但如果我运行createDataPartition(y = datanet$(ACTIVITY_X, ACTIVITY_Y, ACTIVITY_Z)p = 0.8,list = FALSE)，我会得到一个错误消息。

关于如何在预测数据包含多个列时使用createDataPartition进行交叉验证，有什么建议吗？

只使用一个预测变量（比如"ACTIVITY_X"）运行createDataPartition来进行分割，然后应用到其他列，这样做可以吗？

任何帮助都将不胜感激！

回答：

您需要根据目标变量而不是预测变量来分割数据。也就是说：

indxTrain <- createDataPartition(y = datanet$Event,p = 0.8,list = FALSE)

这是为什么，从?createDataPartition中可以看到：

y
一个结果向量。对于createTimeSlices，这些应该按时间顺序排列。